Docker，救你于「深度学习环境配置」的苦海
date
Dec 18, 2021
Last edited time
Dec 18, 2021 04:41 AM
status
Published
slug
Docker，救你于「深度学习环境配置」的苦海
tags
Others
summary
type
Post
origin
Field
Plat
一、Docker、深度学习镜像、Nvidia-docker 的安装1. Docker 的安装2. Nvidia-docker 的安装3. 深度学习镜像的安装二、Docker 最常用操作（一）基本概念（二）容器的相关操作1. 容器的创建、查看、删除2. 容器的启动、进入、退出：（三）Docker jupyter notebook 服务 [力荐!]1. 如何创建自己的可以远程访问的容器：2. 创建了容器之后，我们可以进而启动 jupyter notebook：3. 开启本地与服务器的端口映射，从而远程登录 jupyter：（四）容器的备份实用工具简单的映射与挂载命令配置docker服务端（C/S架构）配置pycharm
一、Docker、深度学习镜像、Nvidia-docker 的安装
安装这种事儿，真不想详细写。因为这里确实没有很多坑。
1. Docker 的安装
链接：https://docs.docker.com/install/linux/docker-ce/ubuntu/ 跟着教程一路复制粘贴回车即可。 唯一的难点就是看懂英文的安装教程，看清楚段落层次结构。
反正，最后如果你运行
sudo docker run hello-world，可以跑通，看到：
就说明 Docker 已经被你成功安装了！
2. Nvidia-docker 的安装
为何又蹦出来一个 nvidia-docker？因为原本的 docker 不支持 GPU 加速，所以 NVIDIA 单独做了一个 docker，来让 docker 镜像可以使用 NVIDIA 的 gpu。 链接： https://github.com/NVIDIA/nvidia-docker 也是直接找对应的操作系统的命令，一行行复制粘贴回车就搞定了。
反正，最后当你运行
docker run --runtime=nvidia --rm nvidia/cuda:9.0-base [nvidia-smi](https://www.zhihu.com/search?q=nvidia-smi&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra=%7B%22sourceType%22%3A%22article%22%2C%22sourceId%22%3A64493662%7D)时，如果看到：
恭喜，安装成功了！
3. 深度学习镜像的安装
我这里使用镜像是 deepo 一款咱们中国人做出来的深度学习镜像，包含了现在多数流行的深度学习框架，而且版本也很新，所以我这个小白第一次就选择了这个。 链接：https://hub.docker.com/r/ufoym/deepo 只有安装好了前面的 docker 和 nvidia-docker，这里就很方便了。 直接通过命令
docker pull ufoym/deepo就可以把各种框架都下载下来。但是这样比较大，费时较长，所以教程里面也提供了值安装某一种框架的方式：
另外，还提供了 jupyter notebook 版的镜像，我这里就是安装的这个，因为我日常基本都是使用 jupyter notebook，这里贴一下我的命令：
这里的
all-jupyter-py36-cu100也是 deepo 提供的 jupyter notebook 镜像的 tag。 安装好之后，通过docker images命令，可以查看已经下载好的镜像：
好了，该装的东西都装好了，下面进入操作部分了！
二、Docker 最常用操作
（一）基本概念
image，镜像，是一个个配置好的环境。 container，容器，是 image 的具体实例。 image 和 container 的关系，相当于面向对象中类与对象的关系。
如何查询命令参数：
docker可以看 docker 客户端有那些基本命令； 对应每一条命令，想看看具体是做什么的，可以在后面加一个--help查看具体用法，例如对于 run 命令： docker run --help（二）容器的相关操作
1. 容器的创建、查看、删除
docker run [-it] some-image 创建某个镜像的容器。注意，同一个镜像可以通过这种方式创建任意多个 container. 加上-it之后，可以创建之后，马上进入交互模式。[docker ps](https://www.zhihu.com/search?q=docker+ps&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra=%7B%22sourceType%22%3A%22article%22%2C%22sourceId%22%3A64493662%7D)列出当前运行的容器
docker ps -a列出所有的容器，包括运行的和不运行的
docker rm container-id删除某个容器2. 容器的启动、进入、退出：
docker start [-i] container-id启动某个容器，必须是已经创建的。 加上-i 参数之后，可以直接进入交互模式：
除了通过
-i进入交互模式，还有一种方法，那就是通过attach: docker attach container-id
进入交互模式之后，怎么退出呢： - 想退出但是保持容器运行，按
CTRL+Q+P三个键 - 退出，并关闭停止容器，按CTRL+D或者输入exit再回车注：Ctrl+P+Q 按的时候有时候会不灵，多按几次！
容器的停止、重启：
docker stop container-id docker restart container-id（三）Docker jupyter notebook 服务 [力荐!]
深度学习 jupyter notebook 镜像已经创建：
1. 如何创建自己的可以远程访问的容器：
其中： -
-it为直接进入交互式 - -p 7777:8888是把主机的 7777 端口映射到容器的 8888 端口 - -ipc=host可以让容器与主机共享内存 - 还可以加一个--name xxxxx给容器定义一个个性化名字 - -v /home/shcd/Documents/gby:/gby可以讲主机上的 / home/shcd/Documents/gby 地址挂载到容器里，并命名为 /data 文件夹，这样这个文件夹的内容可以在容器和主机之间共享了。因为容器一旦关闭，容器中的所有改动都会清除，所以这样挂载一个地址可以吧容器内的数据保存到本地。 - 90be7604e476则是你安装的 jupyter 镜像的 id，可以在刚刚 docker images 命令后面查看，当然你也可以直接写全名ufoym/deepo:all-py36-jupyter经过上面的操作，你应该可以直接进入容器了，这时你用
ls命令，应该可以看到一个新的文件夹 gby 产生了！
2. 创建了容器之后，我们可以进而启动 jupyter notebook：
其中： -
--no-browser即不通过浏览器启动，--ip指定容器的 ip，--allow-root允许 root 模型运行 - --NotebookApp.token可以指定 jupyter 登录密码，可以为空 - --notebook-dir='/gby'指定 jupyter 的根目录3. 开启本地与服务器的端口映射，从而远程登录 jupyter：
在本地机器上，执行如下命令：
这样，可以将本地的 1234 端口，映射到服务器的 localhost 的 7777 端口（即你前面创建 jupyter 容器时候的指定的服务器端口） 这样，你在本地电脑的浏览器里输入’localhost:1234’，即可登录到服务器上的 jupyter notebook 了！
当我第一次看到这个画面的时候，简直激动地要跳起来！ 既能远程访问高性能服务器，又可以像在本地一样便捷地操作，你说激动不激动你说激动不激动？
（四）容器的备份
之前好不容易配置好的环境，突然被学校服务器要重装！？怎么办？ 你想到的一定是：能不能把配置好的环境备份一份，后面直接重新加载进来？
方法也很简单： 一般情况下，我们想备份的是容器，因为我们具体的配置都是在容器中进行的，而镜像一般都是直接在网上下载的，我们不做什么改动。
先通过
docker ps或者docker ps -a来查看你想备份的容器的 id， 然后通过：来将 id 为 your-container-id 的容器创建成一个镜像快照。
接着，你通过
[docker images](https://www.zhihu.com/search?q=docker+images&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra=%7B%22sourceType%22%3A%22article%22%2C%22sourceId%22%3A64493662%7D)就可以查看到刚刚创建好的镜像快照了。 然后，通过：把那个镜像打包成 tar 文件，保存到服务器上。 后面就可以把服务器上打包好的 tar 文件，下载到本地了。
恢复：
docker load -i your-backup-name.tar docker run -d -p 80:80 your-backup-name以上就是我目前使用到的最常用的用法了，至少对我目前的需求来说是够用了，随着我使用次数的变多，我也会不断更新。希望能够减少大家在环境搭建之路上的折磨吧！ > 本文由简悦 SimpRead 转码
实用工具
简单的映射与挂载命令
配置docker服务端（C/S架构）
配置pycharm
